Der Unicode-Bindestrich (‐): der Bindestrich, der nicht auf deiner Tastatur liegt

Der Unicode-Bindestrich (‐, U+2010) ist das, was Typografen meinen, wenn sie „Bindestrich“ sagen. Deine Tastatur hat ihn nicht. Die Taste über der Null erzeugt den Bindestrich-Minus, U+002D — ein Kompromisszeichen aus dem ASCII, das in der frühen Datenverarbeitung einen einzigen Glyph brauchte, der sowohl als Bindestrich als auch als Minus dienen konnte. U+2010 kam viel später hinzu, als Unicode dem Bindestrich einen eigenen Codepunkt gab, und DTP-Software, PDF-Generatoren und professionelle Satzsysteme verwenden ihn, wann immer sie präzise sein wollen. Für eine Leserin sind beide ununterscheidbar. Für einen Parser sind es völlig verschiedene Zeichen.

In dieser Lücke wohnt der Ärger. Ein Bindestrich aus einem PDF, einem InDesign-Export oder einer PDF-abgeleiteten Webseite ist häufig U+2010 und reist dann in Orte, die ASCII erwarten: ein Benutzerfeld, das nur Buchstaben, Ziffern und den einfachen Bindestrich zulässt; ein CSV-Import, der Nicht-ASCII-Bytes ablehnt; ein Suchindex, in dem „wohl‐bekannt“ und „wohl-bekannt“ verschiedene Zeichenketten sind; ein Duplikatscheck, der zwei identisch aussehende Produktcodes als einzigartig meldet. Das Zeichen ist unsichtbar für ein Suchen-und-Ersetzen, das den Tastatur-Bindestrich sucht — denn du kannst das Zeichen, das du suchst, nicht tippen.

Der Fix heißt Normalisieren. Ersetze jedes U+2010 durch einen einfachen Bindestrich — das erhält das Aussehen und macht den Text ASCII-sicher — oder lösche die Bindestriche ganz, wenn der Text dorthin geht, wo sie als Rauschen gelten. Der Bindestrich-Entferner dieser Seite findet jedes Familienmitglied per Codepunkt — U+002D, U+2010, U+2011 und den unsichtbaren weichen Bindestrich — und öffnet jedes zu einem Leerzeichen; das Tool zum Entfernen aller Striche löscht sie, und die Strich-Symbool-Referenz verrät dir, welche Variante du tatsächlich in der Hand hattest.